目录
send() 也可以让生成器向下执行一次, 还可给上一个yield传一个值。使用第一个send()必须让生成器向下执行(__next__())一次才可以用. 不能给最后一个yield传值
列表推导式比较耗内存. 一次性加载. 生成器表达式几乎不占用内存. 使用的时候才分配和使用内存
得到的值不一样. 列表推导式得到的是一个列表. 生成器表达式获取的是一个生成器.
注意: 推导式有, 列表推导式, 字典推导式, 集合推导式, 没有元组推导式
一.生成器
1.什么是生成器
- 生成器的本质是迭代器。
- 只要 Python 函数的定义体中有 yield 关键字,该函数就是生成器函数。函数返回一个值,而生成器函数生成一个值。函数返回值后就退出了,而生成器可以生产多次值,生成器函数中还能出现多个yield。
def func():
print("我是ALe")
yield "昆" # 函数中包含了yield, 当前这个函数就不再是普通的函数. 是生成器函数
print("我是力宏")
yield "???"
print("空气")
yield "放"
print("你好啊") # 最后一个yield之后如果再进行__next__()会报错
g = func()
print(g.__next__()) # 我是ALe 昆
print(next(g)) # 我是力宏 ???
print(next(g)) # 空气 放
print(next(g)) # 你好啊 StopIteration
2.通过函数来创建生成器
# eg1
def fun():
print("我是ALe")
yield "昆" # 函数中包含了yield, 当前这个函数就不再是普通的函数. 是生成器函数
print("我是力宏")
yield "???"
g = fun() #通过函数func()来创建一个生成器
print(g.__next__())
print(g.__next__())
print(g.__next__()) # 出现报错
# eg2
def func():
yield 11
yield 22
yield 33
yield 44
g = func() # 拿到的是生成器. 生成器的本质是迭代器.迭代器可以被迭代生成器可以直接for循环
for i in g:
print(i) # 本质上执行的是__next__()
it = g.__iter__()
while True:
try:
print(it.__next__())
except StopIteration:
break
# eg3
def func():
yield 11
yield 22
yield 33
yield 44
g = func()
lst = list(g) # 可迭代对象
print(lst) # [11, 22, 33, 44]
3.return和yield的区别
return 直接返回结果结束函数的调用
yield 返回结果.可以让函数分段执行
# eg1
def func1():
lst = []
for i in range(1, 101):
lst.append("衣服%s" % i)
return lst
print(func1())
# eg2
def gen():
i = 1
while i < 105:
yield "衣服%s" % i
i = i + 1
g = gen()
print(g.__next__()) #衣服1
print(g.__next__()) #衣服2
print(g.__next__()) #衣服3
print(g.__next__()) #衣服4
4.send()函数
__next__() 可以让生成器向下执行一次
send() 也可以让生成器向下执行一次, 还可给上一个yield传一个值。使用第一个send()必须让生成器向下执行(__next__())一次才可以用. 不能给最后一个yield传值
def eat():
print("我吃什么啊")
a = yield "馒头"
print("a=", a)
b = yield "大饼"
print("b=", b)
c = yield "韭菜盒子"
print("c=", c)
yield "GAME OVER"
gen = eat() # 获取⽣成器
ret1 = gen.__next__()
print(ret1) # 我吃什么啊
# 馒头
ret2 = gen.send("胡辣汤")
print(ret2) # a= 胡辣汤
# 大饼
ret3 = gen.send("狗粮")
print(ret3) # b= 狗粮
# 韭菜盒子
ret4 = gen.send("猫粮")
print(ret4) # c= 猫粮
# GAME OVER
二.推导式
注意:用[]推导出来的是迭代器(Iterables)。用()推导出来的是生成器(Generators)。
1.列表推导式
语法:[ 结果 for 变量量 in 可迭代对象 ]
lst = []
for i in range(1,15):
lst.append("python%s" % i)
print(lst)
#使用列表推导式
lst = ["python%s"%i for i in range(1,6)]
print(lst)
# 还可以对列表中的数据进行筛选
# 语法:[结果 for 变量 in 可迭代对象 if条件]
lst = ["python%s"%i for i in range(1,6) if i % 2 ==0]
print(lst) # ['python2', 'python4']
2.生成器表达式
语法:( 结果 for 变量量 in 可迭代对象 ) 生成器表达式可以直接获取到生成器对象,生成器对象可以直接进行for循环。
gen = (i for i in range(10))
print(gen) # <generator object <genexpr> at 0x000002566A124048>打印出来的结果就是一个生成器
#生成器也可以进行筛选
gen = (i for i in range(10) if i % 3 ==0)
for num in gen:
print(num) # 0 3 6 9
# 找名字中带有两个e的⼈人的名字
names = [['Tom', 'Billy', 'Jefferson', 'Andrew', 'Wesley', 'Steven', 'Joe'],
['Alice', 'Jill', 'Ana', 'Wendy', 'Jennifer', 'Sherry', 'Eva']]
# 不⽤用推导式和表达式
result = []
for first in names:
for name in first:
if name.count("e") >= 2:
result.append(name)
print(result) # ['Jefferson', 'Wesley', 'Steven', 'Jennifer']
#使用推导式
gen = (name for first in names for name in first if name.count("e") >= 2)
for name in gen:
print(name) # Jefferson
# Wesley
# Steven
# Jennifer
生成器表达式和列表推导式的区别:
列表推导式比较耗内存. 一次性加载. 生成器表达式几乎不占用内存. 使用的时候才分配和使用内存
得到的值不一样. 列表推导式得到的是一个列表. 生成器表达式获取的是一个生成器.
3.字典推导式
# 把字典中的key和value互换
dic = {'a': 1, 'b': '2'}
new_dic = {dic[key]: key for key in dic}
print(new_dic) # {1: 'a', '2': 'b'}
# 在以下list中. 从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典
lst1 = ['jay', 'jj', 'sylar']
lst2 = ['周杰伦', '林林俊杰', '邱彦涛']
dic = {lst1[i]: lst2[i] for i in range(len(lst1))}
print(dic) # {'jay': '周杰伦', 'jj': '林林俊杰', 'sylar': '邱彦涛'}
4.集合推导式
集合推导式可以帮我们直接生成一个集合. 集合的特点: 无序, 不重复. 所以集合推导式自带去重功能
lst = [1, -1, 8, -8, 12]
# 绝对值去重
s = {abs(i) for i in lst}
print(s) # {8, 1, 12}
注意: 推导式有, 列表推导式, 字典推导式, 集合推导式, 没有元组推导式
三.样例
#生成器的惰性机制
def func():
print(111)
yield 222
g = func()
g1 = (i for i in g) # 生成器g1. 但是g1的数据来源于g
g2 = (i for i in g1) # 生成器g2. 来源g1
print(list(g)) # 获取g中的数据. 这时func()才会被执行. 打印111.获取到222. g完毕.
print(list(g1)) # 获取g1中的数据. g1的数据来源是g. 但是g已经取完了. g1 也就没有数据了
print(list(g2)) # 和g1同理
#面试题
def add(a, b):
return a + b
def gen():
for r_i in range(4):
yield r_i
g = gen()
for n in [2, 10]:
g = (add(n, i) for i in g)
# g = (add(n, i) for i in (add(n, i) for i in g)) # 可以理解成一个累加
print(list(g)) # [20, 21, 22, 23]